1. 대회 개요

• 텍스트 분류 모델에 대한 정보 없이, 데이터 증강 전략만으로 성능을 극대화하는 데이터 증강 대회

• 주최측의 blind 분류 모델의 성능을 향상시키기 위한 데이터 증강 대회

• 제공 : 발화-카테고리 분류 데이터

  <aside>

  

  </aside>

• 제출 방식 : 팀별 위 데이터를 증강한 버전의 데이터로 제출

  • 증강 버전 제출 후 주최측에서 모든 팀 동일한 방식으로 학습 진행 후 분류 성능 평가

2. 접근 전략

• 한정된 시간 내에 최대한 많은 실험 검증
• Backbone 아키텍쳐는 비공개 → kobert, koelectra, roberta 세 종류로 베이스라인 구현
• 13개의 target class의 분포 유지한 채 임의로 5등분하여 그중 1등분만 증강 전/후 비교 검증
  • 증강 성능이 올라간 경우에만 나머지 4개 등분에 대해 테스트

3. 실험 아이디어

1. (선정O)pororo back translation :
   1. 한국어 → 영어 → 한국어
   2. 한국어 → 일본어 → 영어 → 한국어 순서로 번역하여 맥락 유지하되 다른 글이 되도록 증강
2. (선정O)사내 문체 변환 API 활용 :
   1. 기존에 사이드 프로젝트로 진행한 kobart 기반의 문체 변환 모델 활용
   2. 초딩체, 중딩체, 아재체 등을 활용 (https://github.com/smilegate-ai/korean_smile_style_dataset)
3. (선정X) TEM(Typed Entity Marker)-논문
   1. relation extraction task에서 많이 사용되는 방식 적용
   2. target class 토큰을 특수 문자(@ 혹은 # 등)로 감싸서 발화 앞에 병합

4. 실험 결과

<aside>

</aside>

• WandB로 학습 logging 하면서 빠르게 많은 시도 진행
• 최종적으로 BT+문체변환 사용 버전을 선정
• 순위 :
  • Public - 3위
  • Private - 2위